燃煤火电厂超低排放机组性能测试技术研究

燃煤火电厂超低排放机组性能测试是超低排放工程验收的重要环节,也是环保部门验收的依据。由于实施超低排放后,污染物浓度更低,增加了污染物测试难度,尤其是对颗粒物的测试。本论文主要基于理论研究与现场实测经验研究了超低排放机组颗粒物、二氧化硫等性能测试方法、测试原理以及主要仪器,对于超低排放机组性能测试具有重要意义。     

关于污染物排放"领跑者"标准的思考

建立和实施污染物排放"领跑者"标准是创新标准供给机制,推动供给侧结构性改革,提升生态环保整体水平,推动生态环境质量改善的重要抓手。本文首先分析了污染物排放"领跑者"标准的研究基础、定位和作用,在此基础之上,分析了污染物排放"领跑者"标准的制定和产生方式,最后提出了如下全面实施污染物排放"领跑者"标准的建议和对策:一是将污染物排放"领跑者"标准纳入环境标准体系;二是加强污染物排放"领跑者"标准的组织实施;三是建立推行污染物排放"领跑者"标准的相关配套政策;四是实行污染物排放"领跑者"标准动态更新。     

合肥市典型交通干道大气苯系物的特征分析

为研究合肥市交通干道大气苯系物污染状况,采用自主研制的差分吸收光谱(DOAS)系统,于2016年3月期间对合肥市交通主干道大气苯系物(苯、甲苯、间二甲苯和邻二甲苯)以及常规污染物NO_2、SO_2等进行了连续观测.观测结果显示,观测期间苯、甲苯、间二甲苯和邻二甲苯的平均浓度分别为:21.7、63.6、33.9和98.7μg·m~(-3).与国内外其它城市比较显示,合肥市交通干道大气苯和甲苯的污染处于中等水平,二甲苯的污染较为严重.结合观测期的间风速风向、T/B特征比值以及与CO等污染物的相关性,对上述苯系物来源进行了分析,结果显示观测期间T/B值为0.8~4.5,苯、甲苯与CO的相关性系数R分别为0.55和0.34.表明机动车尾气排放是观测区域苯和甲苯的主要排放源之一,同时也受到周边工业园区排放的影响,二甲苯的主要排放源为观测地点北偏东方向的涂料行业工业园区.苯和甲苯的夜间高浓度峰值分析结果表明,夜间的高浓度苯和甲苯可能主要来源于观测地点周边工业园区的排放.观测区域苯系物的臭氧生成潜势(OFP)表现为邻二甲苯间二甲苯甲苯苯,其中二甲苯的OFP占总OFP的85%,表明周边工业园区的排放对该地区臭氧生成的贡献较大.     

中国显示器件行业VOCs排放特征及控制对策

为掌握和了解我国电子行业VOCs的排放特征,以显示器件行业为研究对象,梳理和分析其生产工艺及排污环节;通过典型企业有机废气的实际排放监测,掌握其VOCs排放水平;利用排放因子法,核算了2011-2016年我国显示器件行业VOCs的排放量,分析其排放量的变化趋势及空间分布特征.结果表明:受产量和污染控制效率变化的双重影响,2011-2016年我国显示器件行业VOCs排放量（文中涉及"全国"的各要素范围均未包含港澳台地区）呈先增后降的趋势,2015年达到最大值（15 605 t）,此后在产量增长放缓和污染控制效率提高的作用下,2016年的排放量有所下降;从排放占比来看,显示器件行业无组织VOCs排放占比从2011年的45%升至2016年的53%,车间无组织VOCs逸散,以及废水处理过程、有机原辅料和有机废液储运等环节的VOCs无组织排放是行业污染控制的重点和难点.研究显示,我国显示器件行业VOCs无组织排放量占比逐年上升,为控制未来行业VOCs排放,企业应将无组织排放转化为有组织排放,之后再通过高效的末端处理装置来减少VOCs排放量.      

山西省CO2排放影响因素研究及情景分析

山西作为我国的能源大省,其碳排放强度更是持续位于全国最高水平,分析山西省CO₂排放影响因素,探究其发展模式,对于山西省的低碳发展意义重大.基于STIRPAT模型,将山西省能源CO₂排放的影响因素确定为人口、城镇化率、人均GDP、第二产业占GDP比重、能源强度.在岭回归拟合分析的基础上,利用灰色GM（1,1）模型对山西省CO₂排放驱动因素值进行预测,以提高能源CO₂排放预测的准确性,并结合情景分析方法,为山西省的CO₂减排设计了10种不同的发展情景.结果表明:①人口对山西省CO₂排放影响最大,其次是城镇化率和第二产业占GDP比重.②在当前经济发展阶段,能源强度和人均GDP等因素对山西省的CO₂排放影响不大,但能源强度对CO₂排放的抑制作用不可忽略.③山西省CO₂减排最佳的情景方案为适当控制人口数量和城镇化进程、加快产业结构的转型和技术的革新、降低第二产业占GDP比重和能源强度,并且大力推广新能源和清洁可再生能源的开发使用以优化能源消费结构.在该情景下,山西省2020年的CO₂排放量可以控制在5.16×108 t.      

利用集合均方根卡尔曼滤波反演重庆地区SO2源排放

传统的"自下而上"清单方法估算的排放清单,其数据的准确性和时效性存在较大局限.基于集合均方根卡尔曼滤波的源清单反演方法,结合WRF-CMAQ（天气研究和预报模式-公共多尺度空气质量模型）被用于对以清华大学编制的2010年MEIC（中国多尺度排放清单模型）排放清单为基础制作的重庆地区SO₂排放源进行反演试验以解决准确性和时效性问题,试验时间段为2014年10月15-31日,重庆主城17个环境空气质量国控监测点ρ（SO₂）小时观测资料用于反演及检验.结果表明:该方法能够反演重庆地区SO₂源排放量,随着反演次数增加,基于反演排放源预报的ρ（SO₂）预报误差持续减小,反演4次后预报误差达到比较低的稳定的水平,其均方根误差均低于20 μg/m3. 5次反演后SO₂源排放量用于2014年10月24-29日每天起始预报,其预报的站点、时间平均的均方根误差从100~400 μg/m3降至30 μg/m3以下.反演中应用局地化尺度减少集合取样误差影响,54与81 km两个局地化尺度反演结果对预报改善效果相当,表明主要影响重庆主城ρ（SO₂）的源排放位于主城及周边地区,也说明内源排放对重庆主城ρ（SO₂）起主要影响.反演后面源排放量主城区降幅约为30 kg/（d·km2）,周边地区减少10~20 kg/（d·km2）,主城区部分SO₂点源排放量降幅约为25 kg/（d·km2）,说明2010年MEIC排放清单高估了试验时段重庆地区的SO₂排放.      

菌渣还田量对紫色水稻土净温室气体排放的影响

中国是食用菌生产大国,每年食用菌菌渣产出量较大,为探明菌渣还田量对紫色水稻土净温室气体排放的影响,于2017年3~9月,通过盆栽试验,采用静态暗箱/气相色谱法,研究了不施肥(CK)、常规施肥(NPK)、9 t·hm~(-2)菌渣+NPK(LM)、18 t·hm~(-2)菌渣+NPK(MM)、36 t·hm~(-2)菌渣+NPK(HM)这5种处理稻田土壤温室气体的排放规律,并采用土壤碳库法对农田系统净温室气体排放(NGHGE)进行评价.结果表明:(1)土壤温室气体(包括CH_4、CO_2、N_2O)排放随着菌渣还田量的增加而增加,CH_4排放量顺序为:HMMMLM≈NPKCK;HM处理显著增加了CH_4的排放通量(P0.01),其他处理差异并不显著(P0.05),CH_4排放通量LM处理呈双峰型曲线,MM处理呈多峰型,HM处理呈现非常明显的单峰型曲线;CO_2累积排放量大小依次为:MMNPK≈LMHMCK,CO_2排放通量曲线LM处理呈单峰型、MM处理呈双峰型、HM处理呈现多峰型;NPK处理N_2O累积排放量显著高于其他处理,N_2O排放通量曲线NPK处理呈双峰型、LM和MM处理呈现多峰型,HM呈单峰型变化;(2)LM处理土壤固碳能力较低,NPK、MM与HM处理土壤固碳能力均较高;MM处理土壤固碳能力显著高于其他处理(P0.01),比纯施化肥处理提高了59.2%,比LM和HM处理提高了87.79%和65.65%;与土壤固碳能力相反,LM处理植物固碳能力最高,比NPK和MM处理提高了16.1%~22.2%,约为CK处理和HM处理的2.1倍;(3)MM处理整个水稻生产期NGHGE值最小,为-490.29 kg·hm~(-2),表现为温室气体的"汇",18 t·hm~(-2)菌渣还田是紫色水稻土净温室气体排放最优的还田方式.     

基于IVE模型和大数据分析的杭州市道路移动源主要温室气体排放清单研究

利用IVE模型和对杭州市机动车排放管理数据库大数据的分析,得到杭州市2015年各类机动车主要温室气体高分辨率排放清单,分析了排放分担情况及时间变化特征,并利用Arc GIS及杭州市路网信息建立了1 km×1 km网格化空间分布.结果表明,杭州市道路移动源温室气体排放中CO_2、CH_4和N_2O的年排放量分别为818.11×10~4、0.85×10~4和0.07×10~4t,合计856.79×10~4t(以CO2当量计).从温室气体种类来看,CO_2占道路移动源温室气体排放总量的绝大部分,为95.5%;从机动车类型来看,小微型客车对道路移动源温室气体排放的贡献率最大,占72.8%;从道路类型的排放情况来看,杭州市市中心、城区、城郊和郊区中温室气体合计CO_2当量贡献率最高的均为主干路,分别为43.4%、61.8%、58.0%和42.4%.杭州市道路移动源温室气体排放强度均呈现由城市中心向城市边缘递减的趋势,同时温室气体排放量日变化特征明显,均出现弱双峰现象.     

成都市典型溶剂源使用行业VOCs排放成分特征

对成都市5类典型溶剂使用行业挥发性有机物(VOCs)进行采样监测,测定了其主要组成成分,得出了各行业的VOCs本地化排放系数.结果表明:芳香烃和含氧VOCs是主要成分,不同行业的特征VOCs组分各有不同;大气化学反应活性较大的物种大部分为芳香烃,其中对/间二甲苯的臭氧生成潜势(OFP)值约为141.88 mg·m~(-3),甲苯的OFP值约为90.90 mg·m~(-3),二者占总OFP的53%;家具制造行业的VOCs排放系数为0.61 kg·件~(-1),汽车喷涂行业VOCs排放系数为3.1 kg·辆~(-1),制鞋行业VOCs排放系数为4.04 g·双~(-1),印刷行业VOCs排放系数为34.7g·kg~(-1)油墨,人造板生产行业VOCs排放系数为3.67 g·m~(-3)人造板.